Κεφάλαιο 22. Εξελιγµένες Συλλογιστικές. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Κεφάλαιο 22. Εξελιγµένες Συλλογιστικές. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η."

Transcript

1 Κεφάλαιο 22 Εξελιγµένες Συλλογιστικές Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

2 Εισαγωγή υσκολίες ανάπτυξης συστηµάτων εµπειρική γνώσης: Εκµαίευση γνώσης Κατανόηση και µετατροπή της γνώσης σε υπολογιστικά µοντέλα Εξελιγµένες συλλογιστικές που µειώνουν την ανάγκη για εµπειρική γνώση Συλλογιστική βασισµένη σε µοντέλα (model-based reasoning) Ποιοτική συλλογιστική (qualitative reasoning) Συλλογιστική βασισµένη σε περιπτώσεις (case-based reasoning) Εναλλακτικές πηγές γνώσης: Φυσικά ή µηχανικά µοντέλα Τεχνικά εγχειρίδια Αναφορές περιπτώσεων αντιµετώπισης προβληµάτων, κτλ. Τεχνητή Νοηµοσύνη, B' Έκδοση 2

3 Συλλογιστική Βασισµένη σε Μοντέλα Model-Based Reasoning (1/3) Αναπαριστά τη δοµή και λειτουργία πραγµατικών (φυσικών) συστηµάτων. Χρησιµοποιεί βασικές επιστηµονικές ή τεχνικές αρχές αντί εµπειρικής γνώσης. Χρησιµοποιείται κυρίως σε εφαρµογές διάγνωσης (model-based diagnosis). Μειονέκτηµα εµπείρων συστηµάτων που πραγµατοποιούν διάγνωση: Συσχετίζουν παρατηρήσιµες παραµέτρους του φυσικού συστήµατος, µε παρατηρήσιµες δυσλειτουργίες Απαγωγική συλλογιστική (abductive reasoning): Συλλογιστική που βασίζεται σε εµπειρική γνώση και συνδυάζει το αποτέλεσµα µε το αίτιο Τα φυσικά συστήµατα αντιµετωπίζονται σαν "µαύρα κουτιά" (black-box). Η συµπεριφορά του συστήµατος καθορίζεται από τη συµπεριφορά του στο παρελθόν σε παρόµοιες περιπτώσεις που έχουν αποτυπωθεί ως εµπειρία εν µπορεί να διαγνώσει νέες δυσλειτουργίες Τεχνητή Νοηµοσύνη, B' Έκδοση 3

4 Συλλογιστική Βασισµένη σε Μοντέλα Model-Based Reasoning (2/3) Πλεονέκτηµα: Οι κατασκευαστές γνωρίζουν καλύτερα τη λειτουργία ενός συστήµατος από τους ειδικούς που το χειρίζονται Η περιγραφή του φυσικού συστήµατος περιλαµβάνει τις βασικές αρχές λειτουργίας και όχι τις περιπτώσεις βλαβών που παρατηρήθηκαν Μπορούν να αντιµετωπιστούν καταστάσεις που δεν έχουν συναντηθεί στο παρελθόν Μοντέλο συστήµατος: οµή και βασικές λειτουργίες ενός φυσικού συστήµατος Η αποτύπωση του µοντέλου είναι λιγότερο πολύπλοκη και περισσότερο προβλέψιµη από την εκµαίευση γνώσης Είδη µοντέλων: Μαθηµατικά µοντέλα: Περιγράφουν µε αναλυτικές εξισώσεις ένα σύστηµα Στοχαστικά µοντέλα: Περιγράφουν στατιστικά τη λειτουργία ενός συστήµατος Αιτιοκρατικά µοντέλα: Περιγράφουν ένα σύστηµα µέσω των αλληλεπιδράσεων των επιµέρους τµηµάτων του Τεχνητή Νοηµοσύνη, B' Έκδοση 4

5 Συλλογιστική Βασισµένη σε Μοντέλα Model-Based Reasoning (3/3) Οι βασικές διαγνωστικές λειτουργίες είναι συνήθως ανεξάρτητες από το φυσικό σύστηµα Μπορεί να επαναχρησιµοποιηθεί ο πυρήνας του διαγνωστικού συστήµατος για άλλα φυσικά συστήµατα Απλά συστήµατα Βασίζονται µόνο σε τοπικές αλληλεπιδράσεις γειτονικών εξαρτηµάτων Σύνθετα συστήµατα Αλληλεπιδράσεις µεταξύ µη-γειτονικών εξαρτηµάτων Λειτουργία ιαγνωστικού Συστήµατος Η πραγµατική συµπεριφορά του φυσικού συστήµατος συγκρίνεται µε τη συµπεριφορά που προβλέπει το µοντέλο. Οι διαφορές µπορεί να οφείλονται σε δυσλειτουργία εξαρτηµάτων ή των αισθητήρων. Τεχνητή Νοηµοσύνη, B' Έκδοση 5

6 Μελέτη Περίπτωσης Το Σύστηµα KATE Παρακολουθεί σε πραγµατικό χρόνο συστήµατα ελέγχου για την εκτόξευση διαστηµικών λεωφορείων της NASA. Μοντέλο φυσικού συστήµατος: Περιγραφή των εξαρτηµάτων του συστήµατος και των συνδέσεων µεταξύ τους. Λειτουργία κάθε εξαρτήµατος µέσα στο σύστηµα. Καταγράφονται 2 είδη τιµών: Εντολές: Εξωτερικές παράµετροι λειτουργίας Π.χ. εξωτερικές ρυθµίσεις για πίεση της αντλίας, έλεγχο ροής βαλβίδας, τάση ρεύµατος, κλπ. Θεωρούνται γνωστές και µη αµφισβητήσιµες Μετρήσεις: Οι τιµές των αισθητήρων Τεχνητή Νοηµοσύνη, B' Έκδοση 6

7 Λειτουργία του Συστήµατος KATE Φάση παρακολούθησης και διαπίστωσης προβληµάτων Παρατηρούµενες Τιµές: Καταγραφή µετρήσεων των αισθητήρων Προβλεπόµενες Τιµές: Υπολογισµός τιµών αισθητήρων σύµφωνα µε το µοντέλο Σύγκριση προβλεπόµενων µε τις παρατηρούµενες Αν παρατηρηθεί ασυµφωνία τότε αναζητείται η αιτία της στη δεύτερη φάση 2 η φάση: Εντοπισµός προβληµάτων Εντολές Μοντέλο Μετρήσεις 1 η φάση: Παρακολούθηση συστήµατος και διαπίστωση προβληµάτων Τεχνητή Νοηµοσύνη, B' Έκδοση 7

8 Λειτουργία του Συστήµατος KATE Φάση Εντοπισµού Προβληµάτων Ύποπτα εξαρτήµατα: θεωρούνται υπεύθυνα για τις ασυµφωνίες Όλα τα εξαρτήµατα που συνδέονται άµεσα ή έµµεσα µε τους ασύµφωνους αισθητήρες Oι ίδιοι οι αισθητήρες Υπολογισµός θεωρητικών τιµών των εξαρτηµάτων Yπάρχει µόνο µία βλάβη στο σύστηµα (υπόθεση) Υποθετουµε ότι το εξάρτηµα Α έχει βλάβη Υποθέτουµε ότι όλα τα εξαρτήµατα που συνδέουν έµµεσα το Α µε τον ασύµφωνο αισθητήρα Β λειτουργούν σωστά Υπολογίζεται η κατάσταση του Α από τη µέτρηση της τιµής του αισθητήρα Β Σταδιακά "αθωώνονται" τα ύποπτα εξαρτήµατα Τα εξαρτήµατα που παραµένουν ύποπτα: Μπορούν να αποδειχθούν ότι είναι πράγµατι "ένοχα", ή εν είναι δυνατόν να "αθωωθούν" Επιθυµητό είναι να µείνει µόνο ένα εξάρτηµα στο οποίο εντοπίζεται η βλάβη. Τεχνητή Νοηµοσύνη, B' Έκδοση 8

9 Λειτουργία του Συστήµατος KATE Κριτήρια "Αθώωσης" Ύποπτων Εξαρτηµάτων Αν ένα εξάρτηµα Α λειτουργεί προβληµατικά, τότε όλα τα εξαρτήµατα που το συνδέουν έµµεσα µε κάποιον ασύµφωνο αισθητήρα Β πρέπει να έχουν διαφορετικές υποθετικές τιµές από τις προβλεπόµενες. Αλλιώς το Α είναι αθώο. Αν δεν µπορεί να υπολογιστεί η υποθετική τιµή ενός ύποπτου εξαρτήµατος, τότε σηµαίνει ότι αυτό δεν είναι σε θέση να επηρεάσει τους ασύµφωνους αισθητήρες και θεωρείται αθώο. Αν η υποθετική τιµή ενός ύποπτου εξαρτήµατος συµπίπτει µε την προβλεπόµενη, τότε το εξάρτηµα λειτουργεί κανονικά και πρέπει να αθωωθεί. Αν η υποθετική τιµή ενός ύποπτου εξαρτήµατος δε συµπίπτει µε την προβλεπόµενη, τότε υποθέτουµε ότι το συγκεκριµένο εξάρτηµα δυσλειτουργεί. Αν δεν "εξηγούνται" οι ενδείξεις των αισθητήρων, το εξάρτηµα δεν µπορεί να θεωρηθεί υπαίτιο της δυσλειτουργίας και αθωώνεται. Τεχνητή Νοηµοσύνη, B' Έκδοση 9

10 Παράδειγµα ιάγνωσης βασισµένης σε Μοντέλο Εντολές Ε 1 Ε 2 Ε 3 Ε 4 Σ 11 Σ 12 Σ 13 Σ 14 Εξαρτήµατα Σ 21 Σ 22 Σ 23 Μετρήσεις Μ 1 Μ 2 Μ 3 Μ 4 Μ 5 Τεχνητή Νοηµοσύνη, B' Έκδοση 10

11 Συλλογιστική των Μοντέλων Πλεονεκτήµατα Μειώνεται το υψηλό κόστος απόκτησης της γνώσης. ε χρειάζεται να προβλεφθούν και να καταγραφούν όλες οι πιθανές βλάβες σε ένα σύστηµα. Μειονεκτήµατα Αδυναµία αναπαράστασης και χρήσης ευριστικής και αβέβαιης γνώσης. Προϋπόθεση της βλάβης ενός µόνο εξαρτήµατος. Λογικοφανής υπόθεση που επιβεβαιώνεται στατιστικά, αλλά δεν ισχύει πάντα εν εφαρµόζεται όταν δεν είναι δυνατή η τοποθέτηση αισθητήρων στο εσωτερικό του φυσικού συστήµατος Τεχνητή Νοηµοσύνη, B' Έκδοση 11

12 Ποιοτική Συλλογιστική Qualitative Reasoning Προσοµοιώνει κάποιο φυσικό σύστηµα βάσει ενός ποιοτικού και όχι ποσοτικού ή αριθµητικού µοντέλου. Η ποιοτική κατανόηση της λειτουργίας ενός φυσικού συστήµατος είναι απλούστερη και πολλές φορές ουσιαστικότερη από την ποσοτική κατανόηση του µοντέλου. Χρησιµοποιείται όταν Το ποσοτικό µοντέλο του φυσικού συστήµατος είναι πολύπλοκο, ή εν υπάρχουν αρκετά δεδοµένα ή γνώση για να δηµιουργηθεί ποσοτικό µοντέλο Η ποιοτική προσοµοίωση προβλέπει όλα τα πιθανά αλλά και τα απίθανα πρότυπα συµπεριφοράς του συστήµατος. Είναι πλήρης αλλά όχι ορθή. Π.χ., προβλέπει όλες τις πιθανές συµπεριφορές µιας µπάλας που εκτοξεύεται προς τα πάνω Προβλέπει επίσης και την (απίθανη) αέναη προς τα πάνω κίνηση της Το πρόβληµα δεν οφείλεται στην τεχνική, αλλά στον τρόπο εφαρµογής της Πρέπει να εφαρµόζονται σωστά όλοι οι φυσικοί περιορισµοί Απόρριψη µερικών προβλεπόµενων συµπεριφορών Τεχνητή Νοηµοσύνη, B' Έκδοση 12

13 Ποιοτική Συλλογιστική Το παράδειγµα της µπάλλας Όταν ένα αντικείµενο εκτοξεύεται προς τα πάνω στον αέρα: Φθάνει σε ένα µέγιστο ύψος Εξαρτάται από την ώθηση (και συνεπώς την ταχύτητα) µε την οποία εκτοξεύτηκε Στη συνέχεια πέφτει στο έδαφος Ποσοτική προσοµοίωση Αν σκοπός είναι ο υπολογισµός τροχιάς βαλλιστικού πυραύλου, τότε είναι απαραίτητα τα ποσοτικά στοιχεία Π.χ. πόσο ψηλά θα φτάσει ο πύραυλος και πόσο γρήγορα Ποιοτική προσοµοίωση Π.χ. για έναν προπονητή του tennis που προσπαθεί να εξηγήσει την τροχιά της µπάλας σε ένα παιδί, αρκεί µια απλή ποιοτική κατανόηση του φαινοµένου Τεχνητή Νοηµοσύνη, B' Έκδοση 13

14 Μελέτη Περίπτωσης Το Σύστηµα QSIM Γλώσσα περιγραφής ποιοτικών καταστάσεων Παράµετροι Αυξάνονται, µειώνονται, ή παραµένουν σταθερές (ποιοτικά - όχι αριθµητικά) Φυσικές παράµετροι (physical parameters) του συστήµατος Περιορισµοί (constraints) που καθορίζουν τις συσχετίσεις (relationships) των παραµέτρων Κάθε φυσική παράµετρος αναπαρίσταται ως συνάρτηση του χρόνου Ο χρόνος είναι διακριτός. Κρίσιµα χρονικά σηµεία (critical points): η συνάρτηση αλλάζει τιµή Xρονικά διαστήµατα (time intervals): µεταξύ δύο χρονικών σηµείων Σύνολο διακεκριµένων τιµών (landmark values): Σύνολ τιµών των παραµέτρων Πλήρες διατεταγµένο σύνολο τιµών της παραµέτρου στα κρίσιµα σηµεία Π.χ. µέγιστο-ελάχιστο ύψος Τεχνητή Νοηµοσύνη, B' Έκδοση 14

15 Σύστηµα QSIM Παραδείγµατα Συσχετίσεων Συσχέτιση dταχύτητα Επιτάχυνση = dt ύναµη = µάζα * επιτάχυνση Οι λαµπτήρες µεγαλύτερης ισχύος παράγουν µεγαλύτερη φωτεινότητα Η µείωση του µεγέθους ενός υπολογιστή αυξάνει την υπολογιστική ισχύ του QSIM DERIV(velocity acceleration) MULT(mass acceleration force) M+(wattage lumens) M-(computer-size speed) Τεχνητή Νοηµοσύνη, B' Έκδοση 15

16 Σύστηµα QSIM Ποιοτική Προσοµοίωση Καθορισµός όλων των παραµέτρων σε κάποιο χρονικό σηµείο ή διάστηµα. Για τον υπολογισµό των δυνατών µεταβολών χρησιµοποιείται ο πίνακας επιτρεπτών µεταβολών µεταξύ 2 καταστάσεων Μεταβάσεις τύπου P, από ένα χρονικό σηµείο (point) σε ένα χρονικό διάστηµα. Μεταβάσεις τύπου I, από ένα διάστηµα (interval) σε ένα σηµείο. Σε κάθε κατάσταση: Ταυτοποιούνται οι παράµετροι της προηγούµενης κατάστασης µε τη µεσαία στήλη Παράγονται οι δυνατές τιµές της επόµενης κατάστασης από την τρίτη στήλη Απορρίπτονται κάποιες από τις µεταβολές, όταν: εν είναι συµβατές µε τους περιορισµούς του συστήµατος. ε διαφοροποιούν την προηγούµενη κατάσταση. Όταν δεν είναι δυνατός ο περιορισµός των νέων καταστάσεων σε µία µοναδική δηµιουργείται ένα δένδρο δυνατών επόµενων καταστάσεων. Κάθε κλαδί του δένδρου πρέπει να αναπτυχθεί ξεχωριστά. Τεχνητή Νοηµοσύνη, B' Έκδοση 16

17 Σύστηµα QSIM Επιτρεπτές Μεταβολές Μεταξύ 2 Καταστάσεων Μετάβαση τύπου P Από κατάσταση QS(f, t i ) Προς κατάσταση QS(f, t i, t i+1 ) P 1 (l j, std) (l j, std) P 2 (l j, std) ([l j, l j+1 ], inc) P 3 (l j, std) ([l j-1, l j ], dec) P 4 (l j, inc) ([l j, l j+1 ], inc) P 5 ([l j, l j+1 ], inc) ([l j, l j+1 ], inc) P 6 (l j, dec) ([l j-1, l j ], dec) P 7 ([l j, l j+1 ], dec) ([l j, l j+1 ], dec) Μετάβαση τύπου I Από κατάσταση QS(f, t i, t i+1 ] Προς κατάσταση QS(f, t i+1 ] I 1 (l j, std) (l j, std) I 2 ([l j, l j+1 ], inc) (l j+1, std) I 3 ([l j, l j+1 ], inc) (l j+1, inc) I 4 ([l j, l j+1 ], inc) ([l j, l j+1 ], inc) I 5 ([l j, l j+1 ], dec) (l j, std) I 6 ([l j, l j+1 ], dec) (l j, dec) I 7 ([l j, l j+1 ], dec) ([l j, l j+1 ], dec) I 8 ([l j, l j+1 ], inc) (l*, std) I 9 ([l j, l j+1 ], dec) (l*, std) Τεχνητή Νοηµοσύνη, B' Έκδοση 17

18 Το Παράδειγµα της Μπάλας Φυσικές παράµετροι: Y = το ύψος της µπάλας V = η ταχύτητα της µπάλας A = η επιτάχυνση της µπάλας Περιορισµοί: dy DERIV(Y, V): V = dt dv DERIV(V,A): A = dt A(t) = g < 0 (σταθερά της βαρύτητας) Τεχνητή Νοηµοσύνη, B' Έκδοση 18

19 Το Παράδειγµα της Μπάλας Χρονικό Σηµείο t 0 Η µπάλα εκτοξεύεται προς τα πάνω QS(A,t 0 ) = g QS(V,t 0 ) = V 0 QS(Y,t 0 ) = 0 Χρονικό ιάστηµα [t 0, t 1 ] Η µπάλα κινείται προς τα πάνω χωρίς να είναι γνωστό ακόµα το σηµείο στο οποίο θα σταµατήσει QS(A,t 0,t 1 ) = (g,std) Η τιµή της επιτάχυνσης είναι g, ενώ ο ρυθµός µεταβολής της είναι σταθερός (std). QS(V,t 0,t 1 ) = ([0, ],dec) Η ταχύτητα µειώνεται µε τιµή µεταξύ της αρχικής τιµής (οποιαδήποτε) και του µηδενός. QS(Y,t 0,t 1 ) = ([0, ],inc) Το ύψος της µπάλας µεγαλώνει και η τιµή του είναι µεταξύ της αρχικής τιµής 0 και του µέγιστου ύψους (οποιαδήποτε θετική τιµή). Τεχνητή Νοηµοσύνη, B' Έκδοση 19

20 Το Παράδειγµα της Μπάλας Χρονικό Σηµείο t 1 (1/2) Η µπάλα θα φτάσει στο µέγιστο ύψος. QS(A,t 0,t 1 ) QS(A,t 1 ) Η επιτάχυνση της βαρύτητας είναι σταθερή Η µόνη επιτρεπτή µεταβολή είναι να παραµείνει σταθερή η τιµή της επιτάχυνσης (g,std) (g,std) (λόγω I 1 ) υνατές µεταβολές της ταχύτητας: QS(V,t 0,t 1 ) QS(V,t 1 ). ([0, ],dec) (0,std) Η ταχύτητα µηδενίζεται και παραµένει σταθερή (µετάβαση I 5 ). ([0, ],dec) (0,dec) Η ταχύτητα µηδενίζεται ενώ µειώνεται συνεχώς (µετάβαση I 6 ). ([0, ],dec) ([0, ],dec) Η ταχύτητα συνεχίζει να έχει κάποια θετική τιµή, όχι απαραίτητα την ίδια µε πριν, ενώ µειώνεται συνεχώς (µετάβαση I 7 ). ([0, ],dec) (L*,std) Η ταχύτητα έχει αλλάξει παίρνοντας µία καινούρια (άγνωστη) τιµή L*, η οποία παραµένει σταθερή (µετάβαση I 9 ). Κατάσταση που δεν είναι δυνατό να υπάρξει. Κατάσταση που δεν διαφοροποιεί την προηγούµενη. Κατάσταση που δεν είναι δυνατό να υπάρξει. Τεχνητή Νοηµοσύνη, B' Έκδοση 20

21 Το Παράδειγµα της Μπάλας Χρονικό Σηµείο t 1 (2/2) υνατές µεταβολές του ύψους: QS(Y,t 0,t 1 ) QS(Y,t 1 ). ([0, ],inc) ([0, ],inc) Το ύψος συνεχίζει να έχει θετική τιµή, όχι απαραίτητα την ίδια µε πριν, ενώ αυξάνεται συνεχώς. ([0, ],inc) (L*,std) Το ύψος άλλαξε παίρνοντας µία καινούρια τιµή και παραµένει σταθερό. ([0, ],inc) (,std), ([0, ],inc) (,inc) Το ύψος παίρνει τη µέγιστη τιµή του, συνεπώς η µπάλα φεύγει στο άπειρο είτε διατηρώντας σταθερό ύψος, είτε αυξανόµενο. Προκύπτει η ακόλουθη, µοναδική ποιοτική κατάσταση: QS(A,t1) = (g,std) QS(V,t1) = (0,dec) QS(Y,t1) = (Y new,std) Κατάσταση που δεν διαφοροποιεί την προηγούµενη. Καταστάσεις που δεν είναι δυνατό να υπάρξουν. Έχει "ανακαλυφθεί" µία καινούρια διακεκριµένη τιµή για τη φυσική παράµετρο του ύψους. Τεχνητή Νοηµοσύνη, B' Έκδοση 21

22 Συλλογιστική Βασισµένη σε Περιπτώσεις Case-Based Reasoning Χρησιµοποιεί παραδείγµατα προβληµάτων που αντιµετωπίστηκαν στο παρελθόν για την επίλυση νέων προβληµάτων Η επιλογή της κατάλληλης περίπτωσης βασίζεται στην οµοιότητά της µε την τωρινή Στα έµπειρα συστήµατα η γνώση αποτυπώνεται µε τη µορφή εµπειρικών κανόνων Η εµπειρία καταγράφεται στιγµιαία και αφοµοιώνεται (implicit knowledge) εν καταγράφεται λεπτοµερώς και ρητά (explicit knowledge) Αρχιτεκτονική συστήµατος που χρησιµοποιεί συλλογιστική των περιπτώσεων: Βιβλιοθήκη παλιών περιπτώσεων Μέθοδος ταιριάσµατος και ανάκλησης περιπτώσεων από τη βιβλιοθήκη, βάσει των χαρακτηριστικών του προβλήµατος. Μέθοδος προσαρµογής της παλιάς λύσης, όταν η τωρινή περίπτωση δεν είναι ακριβώς ίδια Μέθοδος δοκιµής, επαλήθευσης και επιδιόρθωσης της προσαρµοσµένης λύσης Μέθοδος εκµάθησης της λύσης, για τον εµπλουτισµό της βιβλιοθήκης Τεχνητή Νοηµοσύνη, B' Έκδοση 22

23 Συλλογιστική των Περιπτώσεων Κύκλος Λειτουργίας Νέα Περίπτωση (χωρίς λύση) Ανάκληση Προστιθέµενη Περίπτωση Αποθηκευµένη Περίπτωση Εκµάθηση Βιβλιοθήκη Περιπτώσεων Προσαρµογή ιορθωµένη Νέα Περίπτωση Επαλήθευση Νέα Περίπτωση (µε λύση) Τεχνητή Νοηµοσύνη, B' Έκδοση 23

24 Οργάνωση της Βιβλιοθήκης των Περιπτώσεων Η οργάνωση της βιβλιοθήκης µπορεί να γίνει: Με απλό τρόπο (π.χ. παράθεση περιπτώσεων) Ιεραρχικά: Οργάνωση σε επίπεδα, βάσει παραµέτρων εισόδου ή στόχων του προβλήµατος Η αναζήτηση στη βιβλιοθήκη πρέπει να βασίζεται σε "έξυπνη" δεικτοδότηση των περιπτώσεων (case indexing), για να είναι αποδοτική εν πρέπει να αντιστοιχούν πολλές περιπτώσεις σε συγκεκριµένες τιµές των παραµέτρων, γιατί θα ανακαλούνται πολλές άσχετες περιπτώσεις Η πολύ αυστηρή συνεκτικότητα µπορεί να οδηγήσει σε αντίθετα αποτελέσµατα, γιατί τις περισσότερες φορές δε θα "ταιριάζει" καµιά περίπτωση εικτοδότηση βασισµένη σε εξηγήσεις (explanation-based indexing): εικτοδότηση βάσει παρατηρούµενων χαρακτηριστικών του προβλήµατος πριν και µετά από κάποια δράση Επεξήγηση του λόγου για τον οποίο δόθηκαν τα χαρακτηριστικά Περιγραφή του στόχου που προσπαθεί να επιτευχθεί από τη συγκεκριµένη δράση Τεχνητή Νοηµοσύνη, B' Έκδοση 24

25 Συστήµατα Συλλογιστικής των Περιπτώσεων ηµιουργία και "σωστή" δεικτοδότηση βιβλιοθήκης περιπτώσεων από άνθρωποειδικό µε εµπειρία στα προβλήµατα που αντιµετωπίζει το σύστηµα. Ο χρήστης: Εισάγει το πρόβληµα που αντιµετωπίζει Ζητά από το σύστηµα να εµφανίσει τις περιπτώσεις που ταιριάζουν στη βιβλιοθήκη Η σύγκριση βασίζεται στην ταύτιση των χαρακτηριστικών του προβλήµατος Ο χρήστης (ή/και το σύστηµα) κρίνει αν οι ανακληθείσες περιπτώσεις είναι σωστές Αν όχι ζητά κάποιες επόµενες Για να αυξηθεί το ποσοστό επιτυχηµένης ταύτισης των περιπτώσεων: Αξιολόγηση των χαρακτηριστικών του προβλήµατος βάσει της σπουδαιότητάς τους Ταύτιση µέσα σε κάποιο εύρος ανεκτικότητας (tolerance) Η λύση που υιοθετήθηκε στο παρελθόν προσαρµόζεται βάσει των χαρακτηριστικών της νέας περίπτωσης Η προσαρµοσµένη λύση αποθηκεύεται στη βιβλιοθήκη του συστήµατος για µελλοντική χρήση (αφού επαληθευθεί) Η γνώση του συστήµατος επεκτείνεται (case-based learning). Τεχνητή Νοηµοσύνη, B' Έκδοση 25

26 Μελέτη Περίπτωσης Το Σύστηµα PAS Προσδιορίζει αυτόµατα την αξία µιας ακίνητης ιδιοκτησίας Σύγκριση µεγέθους, λειτουργίας και χαρακτηριστικών του ακινήτου µε κάποιο ανάλογο ακίνητο που βρίσκεται στην ίδια περιοχή. Ανάκληση της κατάλληλης (πιο πρόσφατης) περίπτωσης αγοραπωλησίας. Ανακαλεί, βαθµολογεί, και ταξινοµεί κατά φθίνουσα σειρά οµοιότητας, τις 10 πιο συναφείς περιπτώσεις. Για τη βαθµολόγηση των περιπτώσεων πρέπει να καθοριστούν: Τα βάρη (σπουδαιότητα) κάθε χαρακτηριστικού Π.χ., το εµβαδόν παίζει πιο σπουδαίο ρόλο από τον όροφο Πώς βαθµολογούνται οι διαφορές Π.χ., ηλικία σπιτιού τρέχουσας περίπτωσης 22 χρόνια, ηλικία σπιτιού βιβλιοθήκης 20 χρόνια, η διαφορά είναι αµελητέα (µηδενική) Τεχνητή Νοηµοσύνη, B' Έκδοση 26

27 Το Σύστηµα PAS Προσαρµογή περίπτωσης (1/2) Χρήση κανόνων (critics) Αυξάνουν ή µειώνουν την αξία πώλησης του σπιτιού που ανακλήθηκε προσαρµόζοντάς το στην περίπτωση του τρέχοντος σπιτιού. Εξαρτάται από τη διαφορά τιµών των χαρακτηριστικών Παράδειγµα: Έστω ότι το σπίτι Α είναι η τρέχουσα περίπτωση και το σπίτι Β είναι µία αποθηκευµένη περίπτωση που αξιολογήθηκε στις 10 πιο "κοντινές" περιπτώσεις. Αν το Α έχει πισίνα, ενώ το Β όχι, τότε η τιµή του Α σε σχέση µε την τιµή πώλησης του Β πρέπει να προσαρµοστεί Ένας κανόνας προσθέτει στην τιµή του σπιτιού Β το κόστος κατασκευής πισίνας (π.χ. 15,000 ) Αν το Β πωλήθηκε για 120,000, το Α (λόγω της πισίνας) πρέπει να πωληθεί 135,000 Τεχνητή Νοηµοσύνη, B' Έκδοση 27

28 Το Σύστηµα PAS Προσαρµογή περίπτωσης (2/2) Η προσαρµογή είναι αθροιστική όλα τα χαρακτηριστικά Παράδειγµα: Αν το εµβαδόν είναι λίγο διαφορετικό, η προσαρµογή είναι µία µικρή διαφοροποίηση της τιµής, π.χ. 900 για κάθε m 2 που διαφέρουν τα δύο σπίτια Π.χ. το Α είναι 110 m 2 ενώ το Β είναι 105 m 2 Η τιµή του Α αυξάνεται κατά 900 5=4,500 και γίνεται 135,000+4,500=139,500 Μειονέκτηµα: Oι πολλές προσαρµογές καταλήγουν σε ανακριβείς τιµές Οι κανόνες προσαρµογής θεωρούν ότι κάθε χαρακτηριστικό είναι ανεξάρτητο από τα υπόλοιπα Στην πραγµατικότητα υπάρχουν αλληλεπιδράσεις Επιβολή βαθµού "ποινής" για κάθε προσαρµογή Όποια περίπτωση έχει λιγότερους βαθµούς ποινής θεωρείται πιο κοντινή στην τωρινή Η τελική αξία προκύπτει από το µέσο όρο των 3 περιπτώσεων µε τους λιγότερους βαθµούς ποινής Τεχνητή Νοηµοσύνη, B' Έκδοση 28

29 Παράδειγµα Καθορισµού Αξίας Ακίνητης Περιουσίας Χαρακτηριστικό Βάρος Τρόπος βαθµολόγησης διαφορών Τρόπος προσαρµογής περίπτωσης Καθαρό εµβαδόν 0.9 Απόλυτη Ποσοστιαία ιαφορά x Κατασκευαστική τιµή m 2 ιαφορά (ΑΠ ) Αριθµός δωµατίων 0.8 ΑΠ ιαφορά x 6,000 Αριθµός τουαλετών 0.5 ΑΠ ιαφορά x 3,000 Αρχιτεκτονικός ρυθµός 1.0 Ίδιος=1, ιαφορετικός=0 Ίδιος=0, ιαφορετικός=±30% Ηλικία οικήµατος 0.7 ΑΠ ιαφορά x 2% Θέση (περιοχή - γειτονιά) Ηµεροµηνία αγοραπωλησίας 0.8 ΑΠ - Απόσταση από το κέντρο της πόλης 0.6 ΑΠ - Χρονική διαφορά/τριετία Τύπος ψύξης 0.2 Ίδιος=1, ιαφορετικός=0.5, Καθόλου=0 ιαφορά αντικειµενικής (ανά περιοχή) αξίας m 2 x Εµβαδόν ιαφορά (σε χρόνια) x 3% Ίδιος=0, ιαφορετικός=±0,5%, Καθόλου=±1% Τύπος θέρµανσης 0.7 Ίδιος=1, ιαφορετικός=0.5, Ίδιος=0, ιαφορετικός=±2%, Καθόλου=±4% Καθόλου=0 Τύπος parking 0.3 Ίδιος=1, ιαφορετικός=0.5, Ίδιος=0, ιαφορετικός=±5%, Καθόλου=±10% Καθόλου=0 Μέγεθος οικοπέδου 0.2 ΑΠ ιαφορά x 100 Ύπαρξη πισίνας 0.1 Ίδιος=1, ιαφορετικός=0 Ίδιος=0, ιαφορετικός=±25% Τεχνητή Νοηµοσύνη, B' Έκδοση 29

30 Συλλογιστική των Περιπτώσεων Πλεονεκτήµατα Πιο κοντά στον τρόπο σκέψης των ανθρώπων (συλλογιστική µε αναλογίες) Η γνώση δεν υπόκειται σε µετατροπές που µπορούν να την αλλοιώσουν Στα έµπειρα συστήµατα η γνώση του ειδικού έχει υποστεί µετατροπές Από τον ειδικό που αναγκάζεται να οµαδοποιήσει τις εµπειρίες του Από το µηχανικό γνώσης που µετατρέπει τις εµπειρίες σε κανόνες Η απόκτηση της γνώσης απλουστεύεται Η γνώση υπάρχει ήδη σε παλαιότερα έγγραφα ή σε βάσεις δεδοµένων Μειονεκτήµατα Υπολογιστικό κόστος αναζήτησης στη βιβλιοθήκη των περιπτώσεων Η απόδοση και ποιότητα των λύσεων επηρεάζεται από: Την "ορθή" δόµηση της βιβλιοθήκης Την ποιότητα και ποσότητα των περιπτώσεων που βρίσκονται στη βιβλιοθήκη υσκολία προσαρµογής της λύσης Κυρίως όταν απαιτούνται ευριστικές-εµπειρικές σχέσεις Τεχνητή Νοηµοσύνη, B' Έκδοση 30

31 Άσκηση Συλλογιστικής των Περιπτώσεων Να υπολογίσετε την τιµή πώλησης του σπιτιού Α, υποθέτοντας ότι η βιβλιοθήκη των περιπτώσεων περιέχει τα σπίτια Β και Γ. Χαρακτηριστικό Σπίτι Α Σπίτι Β Σπίτι Γ Καθαρό εµβαδόν 100 m 2 95 m m 2 Αριθµός δωµατίων Αριθµός τουαλετών Αρχιτεκτονικός ρυθµός πολυκατοικία πολυκατοικία πολυκατοικία Ηλικία του οικήµατος Θέση Τούµπα (5 Km) Καλαµαριά (7 Km) Περαία (20 Km) Ηµεροµηνία αγοραπωλησίας 9/5/00 1/9/99 15/2/00 Τύπος ψύξης air condition - air condition Τύπος θέρµανσης Κεντρική θέρµανση Θερµοσυσσώρευση Κεντρική θέρµανση Τύπος parking Πυλωτή Ανοικτό - ιδιωτικό Πυλωτή Μέγεθος οικοπέδου 1000 m m m 2 Ύπαρξη πισίνας Τιµή πώλησης? 147, ,000 Τεχνητή Νοηµοσύνη, B' Έκδοση 31

32 Άσκηση Συλλογιστικής των Περιπτώσεων Η διαδικασία πρέπει να περιλαµβάνει τα εξής: Βαθµολόγηση της οµοιότητας των σπιτιών Β και Γ σε σχέση µε το Α. Υπολογισµό των βαθµών ποινής για κάθε ένα από τα Β και Γ. Υπολογισµό της τιµής του Α προσαρµόζοντας την τιµή του σπιτιού που βαθµολογήθηκε µε το µεγαλύτερο βαθµό. Υπολογισµό της τιµής του Α προσαρµόζοντας την τιµή του σπιτιού που βαθµολογήθηκε µε τους λιγότερους βαθµούς ποινής. Σύγκριση των δύο τιµών που υπολογίστηκαν στα ερωτήµατα γ και δ. Ποια τιµή βρίσκεται πιο κοντά στην αντίστοιχη τιµή του σπιτιού που επιλέχθηκε; Εξαγωγή συµπερασµάτων από τα παραπάνω αποτελέσµατα. Τεχνητή Νοηµοσύνη, B' Έκδοση 32

33 Παράθεση Χαρακτηριστικών Χαρακτηριστικό Βάρος Τρόπος υπολογισµού διαφορών Σπίτι Α Σπίτι Β Σπίτι Γ Καθαρό εµβαδόν 0,9 απόλυτη ποσοστιαία διαφορά (απδ) Αριθµός δωµατίων 0,8 απδ Αριθµός τουαλετών 0,5 απδ Ηλικία του οικήµατος 0,7 απδ Θέση (περιοχή - γειτονιά) 0,8 απδ - Απόσταση από το κέντρο της πόλης Ανατολική Θεσ/νίκη - Τούµπα (5 Km) Ανατολική Θεσ/νίκη - Καλαµαριά (7 Km) Ανατολική Θεσ/νίκη - Περαία (20 Km) Ηµεροµηνία αγοραπωλησίας 0,6 απδ - Χρονική διαφορά/τριετία 9/5/00 1/9/99 15/2/00 Τύπος ψύξης 0,2 ίδιος=1, διαφορετικός=0,5, καθόλου=0 Τύπος θέρµανσης 0,7 ίδιος=1, διαφορετικός=0,5, καθόλου=0 Τύπος parking 0,3 ίδιος=1, διαφορετικός=0,5, καθόλου=0 air condition Κεντρική θέρµανση - air condition Αρχιτεκτονικός ρυθµός 1,0 ίδιος=1, διαφορετικός=0 πολυκατοικία πολυκατοικία πολυκατοικία Θερµοσυσσώρευση Πυλωτή Ανοικτό - ιδιωτικό Μέγεθος οικοπέδου 0,2 απδ Ύπαρξη πισίνας 0,1 ίδιος=1, διαφορετικός= Κεντρική θέρµανση Πυλωτή Τιµή πώλησης - -? 147, ,000 Τεχνητή Νοηµοσύνη, B' Έκδοση 33

34 Υπολογισµός Οµοιοτήτων ανά Χαρακτηριστικό Χαρακτηριστικό Βάρος Σπίτι Β Σπίτι Γ Καθαρό εµβαδόν 0,9 0,95 0,90 Αριθµός δωµατίων 0,8 1,00 0,67 Αριθµός τουαλετών 0,5 1,00 0,00 Αρχιτεκτονικός ρυθµός 1,0 1,00 1,00 Ηλικία του οικήµατος 0,7-3,00-1,00 Θέση (περιοχή - γειτονιά) 0,5 0,60-2,00 Ηµεροµηνία αγοραπωλησίας 0,6 0,77 0,92 Τύπος ψύξης 0,2 0,00 1,00 Τύπος θέρµανσης 0,7 0,50 1,00 Τύπος parking 0,3 0,50 1,00 Μέγεθος οικοπέδου 0,2 0,90 0,80 Ύπαρξη πισίνας 0,1 1,00 1,00 Τιµή πώλησης - 147, ,000 Παλιο Νεο ιαφορα = Νεο Ο µοιοτητα = 1 ιαφορα Τεχνητή Νοηµοσύνη, B' Έκδοση 34

35 Υπολογισµός Οµοιότητας και Βαθµών Ποινής Χαρακτηριστικό Σπίτι Β Οµοιότητα Βαθµοί Ποινής Οµοιότητα Σπίτι Γ Βαθµοί Ποινής Καθαρό εµβαδόν 0,86 1 0,81 1 Αριθµός δωµατίων 0,80 0 0,53 1 Αριθµός τουαλετών 0,50 0 0,00 1 Αρχιτεκτονικός ρυθµός 1,00 0 1,00 0 Ηλικία του οικήµατος -2,10 1-0,70 1 Θέση (περιοχή - γειτονιά) 0,48 1-1,60 1 Ηµεροµηνία αγοραπωλησίας 0,46 1 0,55 1 Τύπος ψύξης 0,00 1 0,20 1 Τύπος θέρµανσης 0,35 1 0,70 0 Τύπος parking 0,15 1 0,30 0 Μέγεθος οικοπέδου 0,18 1 0,16 1 Ύπαρξη πισίνας 0,10 0 0,10 0 Άθροισµα 2,78 8 2,06 7 Τιµή πώλησης 147, ,000 Τεχνητή Νοηµοσύνη, B' Έκδοση 35

36 Υπολογισµός Τιµής µε βάση τη µέγιστη οµοιότητα Χαρακτηριστικό Τρόπος προσαρµογής Τιµή Μονάδας Καθαρό εµβαδόν Προσαρµογή τιµής διαφορά * κατασκευαστική ,000 τιµή m 2 Αριθµός δωµατίων διαφορά * , Αριθµός τουαλετών διαφορά * , Αρχιτεκτονικός ρυθµός ίδιος=0, διαφορετικός=±30% 30% πολυκατοικία πολυκατοικία +0 Ηλικία του οικήµατος διαφορά * 2% 2% ,760 Θέση (περιοχή - γειτονιά) διαφορά αντικειµενικής (ανά περιοχή) αξίας m 2 * εµβαδό Τούµπα Καλαµαριά ,000 Ηµεροµηνία αγοραπωλησίας διαφορά (σε χρόνια) * 3% 3% 9/5/2000 1/9/ ,033 Τύπος ψύξης Τύπος θέρµανσης Τύπος parking ίδιος=0, διαφορετικός=±0,5%, καθόλου=±1% ίδιος=0, διαφορετικός=±2%, καθόλου=±4% ίδιος=0, διαφορετικός=±5%, καθόλου=±10% 1% air condition ,470 4% Κεντρική θέρµανση Σπίτι Α Σπίτι Β Οµοιότητα Θερµοσυσσώρευση 10% Πυλωτή Ανοικτό - ιδιωτικό , ,350 Μέγεθος οικοπέδου διαφορά * , ,000 Ύπαρξη πισίνας ίδιος=0, διαφορετικός=±25% 25% Άθροισµα +21,553 Τιµή πώλησης - 147, ,553 Ποσοστό 15% Τεχνητή Νοηµοσύνη, B' Έκδοση 36

37 Υπολογισµός Τιµής µε βάση τους ελάχιστους βαθµούς ποινής Χαρακτηριστικό Τρόπος προσαρµογής Τιµή Μονάδας Σπίτι Α Σπίτι Γ Οµοιότητα Προσαρµογή τιµής Καθαρό εµβαδόν διαφορά * κατασκευαστική τιµή m ,000 Αριθµός δωµατίων διαφορά * , ,000 Αριθµός τουαλετών διαφορά * , ,000 Αρχιτεκτονικός ρυθµός ίδιος=0, διαφορετικός=±30% 30% πολυκατοικία πολυκατοικία +0 Ηλικία του οικήµατος διαφορά * 2% 2% ,680 Θέση (περιοχή - γειτονιά) διαφορά αντικειµενικής (ανά Τούµπα Περαία περιοχή) αξίας m 2 * εµβαδό ,000 Ηµεροµηνία αγοραπωλησίας διαφορά (σε χρόνια) * 3% 3% 9/5/ /2/ Τύπος ψύξης Τύπος θέρµανσης Τύπος parking ίδιος=0, διαφορετικός=±0,5%, καθόλου=±1% ίδιος=0, διαφορετικός=±2%, καθόλου=±4% ίδιος=0, διαφορετικός=±5%, καθόλου=±10% 1% air condition air condition % Κεντρική θέρµανση Κεντρική θέρµανση 10% Πυλωτή Πυλωτή +0 Μέγεθος οικοπέδου διαφορά * ,000 1,200-20,000 Ύπαρξη πισίνας ίδιος=0, διαφορετικός=±25% 25% Άθροισµα +2,488 Τιµή πώλησης - 117, , Ποσοστό 2% Τεχνητή Νοηµοσύνη, B' Έκδοση 37

Συστήματα Γνώσης Knowledge Systems

Συστήματα Γνώσης Knowledge Systems Συστήματα Γνώσης Knowledge Systems 1 Συστήματα Γνώσης Συστήματα που αναπαριστούν και χρησιμοποιούν γνώση για να εκτελέσουν κάποια λειτουργία. Συντόμευση του όρου Συστήματα βασισμένα στη Γνώση (Knowledgebased

Διαβάστε περισσότερα

Συστήματα Γνώσης. Θεωρητικό Kομμάτι Mαθήματος Ενότητα 9: Εξελιγμένες Συλλογιστικές - Συλλογιστική των Μοντέλων Ποιοτική Συλλογιστική

Συστήματα Γνώσης. Θεωρητικό Kομμάτι Mαθήματος Ενότητα 9: Εξελιγμένες Συλλογιστικές - Συλλογιστική των Μοντέλων Ποιοτική Συλλογιστική ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Kομμάτι Mαθήματος Ενότητα 9: Εξελιγμένες Συλλογιστικές - Συλλογιστική των Μοντέλων Ποιοτική Συλλογιστική Νίκος Βασιλειάδης,

Διαβάστε περισσότερα

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 10: Εξελιγμένες Συλλογιστικές - Συλλογιστική των Περιπτώσεων

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 10: Εξελιγμένες Συλλογιστικές - Συλλογιστική των Περιπτώσεων ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 10: Εξελιγμένες Συλλογιστικές - Συλλογιστική των Περιπτώσεων Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες

Διαβάστε περισσότερα

Συστήµατα Γνώσης Knowledge Systems

Συστήµατα Γνώσης Knowledge Systems Συστήµατα Γνώσης Knowledge Systems! Συστήµατα που αναπαριστούν και χρησιµοποιούν γνώση γιαναεκτελέσουνκάποια λειτουργία. # Συντόµευση του όρου Συστήµατα βασισµένα στη Γνώση (Knowledge-based Systems) #

Διαβάστε περισσότερα

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση Κεφάλαιο 8 Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αναπαράσταση Γνώσης Σύνολο συντακτικών

Διαβάστε περισσότερα

Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης

Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης Κεφάλαιο 21 Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Συστήµατα Γνώσης Επιδεικνύουν νοήµονα

Διαβάστε περισσότερα

Διαχείριση Γνώσης. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης kmetax@unipi.gr Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος kergaz@epu.ntua.

Διαχείριση Γνώσης. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης kmetax@unipi.gr Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος kergaz@epu.ntua. Επικ. Καθ. Κωνσταντίνος Μεταξιώτης kmetax@unipi.gr Δρ. Κωνσταντίνος Εργαζάκης Επιστημονικός Υπεύθυνος kergaz@epu.ntua.gr Πανεπιστήμιο Πειραιώς - Τμήμα Πληροφορικής Περιεχόμενα Κωδικοποίηση Γνώσης Τι είναι

Διαβάστε περισσότερα

ιάγνωση και Επιδιόρθωση Βλαβών

ιάγνωση και Επιδιόρθωση Βλαβών Κεφάλαιο 26 ιάγνωση και Επιδιόρθωση Βλαβών Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου ιάγνωση και Επιδιόρθωση Βλαβών ιάγνωση: Παρατήρηση φυσικού

Διαβάστε περισσότερα

Κεφάλαιο 2 Κίνηση σε µία διάσταση. Copyright 2009 Pearson Education, Inc.

Κεφάλαιο 2 Κίνηση σε µία διάσταση. Copyright 2009 Pearson Education, Inc. Κεφάλαιο Κίνηση σε µία διάσταση Copyright 9 Pearson Education, Inc. Περιεχόµενα Κεφαλαίου Συστήµατα Αναφοράς και µετατόπιση Μέση Ταχύτητα Στιγµιαία Ταχύτητα Επιτάχυνση Κίνηση µε σταθερή επιτάχυνση Προβλήµατα

Διαβάστε περισσότερα

ΠΡΟΣΟΜΟΙΩΣΗ. Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο.

ΠΡΟΣΟΜΟΙΩΣΗ. Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο. ΠΡΟΣΟΜΟΙΩΣΗ Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο. δημιουργία μοντέλου προσομοίωσης ( - χρήση μαθηματικών, λογικών και

Διαβάστε περισσότερα

Ανοικτά Ακαδηµα κά Μαθήµατα

Ανοικτά Ακαδηµα κά Μαθήµατα ΤΕΙ Ιονίων Νήσων Ανοικτά Ακαδηµα κά Μαθήµατα Ανάλυση Σχεδίαση Υλοποίηση Αξιολόγηση Ανάλυση: Πληροφορίες σχετικά µε τις ανάγκες της εκπαίδευσης Σχεδίαση: Καθορισµός χαρακτηριστικών του εκπαιδευτικού λογισµικού

Διαβάστε περισσότερα

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

Περιεχόµενα. ΜΕΡΟΣ Α: Επίλυση Προβληµάτων... 17

Περιεχόµενα. ΜΕΡΟΣ Α: Επίλυση Προβληµάτων... 17 ΠΡΟΛΟΓΟΣ... I ΠΡΟΛΟΓΟΣ ΤΩΝ ΣΥΓΓΡΑΦΕΩΝ...III ΣΥΝΟΠΤΙΚΗ ΠΑΡΟΥΣΙΑΣΗ ΠΕΡΙΕΧΟΜΕΝΩΝ... IX ΠΕΡΙΕΧΟΜΕΝΑ... XI 1 ΕΙΣΑΓΩΓΗ... 1 1.1 ΤΙ ΕΙΝΑΙ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ... 1 1.1.1 Ορισµός της Νοηµοσύνης... 2 1.1.2 Ορισµός

Διαβάστε περισσότερα

Πληροφορική 2. Τεχνητή νοημοσύνη

Πληροφορική 2. Τεχνητή νοημοσύνη Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο

Διαβάστε περισσότερα

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 20 Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση - 1 - Ανακάλυψη Γνώσης σε

Διαβάστε περισσότερα

Υ ΡΟΛΟΓΙΚΑ ΥΠΟΛΟΓΙΣΤΙΚΑ ΜΟΝΤΕΛΑ

Υ ΡΟΛΟΓΙΚΑ ΥΠΟΛΟΓΙΣΤΙΚΑ ΜΟΝΤΕΛΑ Υ ΡΟΛΟΓΙΚΑ ΥΠΟΛΟΓΙΣΤΙΚΑ ΜΟΝΤΕΛΑ 1 1. Υδρολογική ανάλυση Η ποσότητα και η ποιότητα υδρολογικών δεδοµένων που διατίθενται για επεξεργασία καθορίζει τις δυνατότητες και τη διαδικασία που θα ακολουθηθεί, ώστε

Διαβάστε περισσότερα

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο ρ. Η. Μαγκλογιάννης Πανεπιστήµιο Αιγαίου Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών

Διαβάστε περισσότερα

Σύστηµα Προσαρµοστικής. Μαθητών Ε' & ΣΤ' ηµοτικού (ενότητα: Λογιστικά Φύλλα) Παρταλάς Σωκράτης M27/11

Σύστηµα Προσαρµοστικής. Μαθητών Ε' & ΣΤ' ηµοτικού (ενότητα: Λογιστικά Φύλλα) Παρταλάς Σωκράτης M27/11 ΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Σύστηµα Προσαρµοστικής Μάθησης για την Αξιολόγηση Μαθητών Ε' & ΣΤ' ηµοτικού (ενότητα: Λογιστικά Φύλλα) Παρταλάς Σωκράτης M27/11 Προβλήµατα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΑΞΙΟΛΟΓΗΣΗ ΛΕΙΤΟΥΡΓΙΑΣ ΝΟΣΟΚΟΜΕΙΟΥ ΑΝΑΛΥΣΗ S.W.O.T. (STRENGTHS WEAKNESS - OPPORTUNITIES THREATS)

ΚΕΦΑΛΑΙΟ 4 ΑΞΙΟΛΟΓΗΣΗ ΛΕΙΤΟΥΡΓΙΑΣ ΝΟΣΟΚΟΜΕΙΟΥ ΑΝΑΛΥΣΗ S.W.O.T. (STRENGTHS WEAKNESS - OPPORTUNITIES THREATS) 137 4 ΚΕΦΑΛΑΙΟ 4 ΑΞΙΟΛΟΓΗΣΗ ΛΕΙΤΟΥΡΓΙΑΣ ΝΟΣΟΚΟΜΕΙΟΥ ΑΝΑΛΥΣΗ S.W.O.T. (STRENGTHS WEAKNESS - OPPORTUNITIES THREATS) Στα προηγούµενα κεφάλαια πραγµατοποιήθηκε αναλυτική παρουσίαση και ανάλυση του εσωτερικού

Διαβάστε περισσότερα

Κεφάλαιο 3 Κίνηση σε 2 και 3 διαστάσεις, Διανύσµατα. Copyright 2009 Pearson Education, Inc.

Κεφάλαιο 3 Κίνηση σε 2 και 3 διαστάσεις, Διανύσµατα. Copyright 2009 Pearson Education, Inc. Κεφάλαιο 3 Κίνηση σε και 3 διαστάσεις, Διανύσµατα Copyright 009 Pearson ducation, Inc. Περιεχόµενα 3 Διανύσµατα και Βαθµωτές ποσότητες Πράξεις Διανυσµάτων Γραφικές Παραστάσεις Μοναδιαία διανύσµατα Κινηµατική

Διαβάστε περισσότερα

Κεφάλαιο 8 Διατήρηση της Ενέργειας

Κεφάλαιο 8 Διατήρηση της Ενέργειας Κεφάλαιο 8 Διατήρηση της Ενέργειας ΔΥΝΑΜΗ ΕΡΓΟ ΕΝΕΡΓΕΙΑ µηχανική, χηµική, θερµότητα, βαρυτική, ηλεκτρική, µαγνητική, πυρηνική, ραδιοενέργεια, τριβής, κινητική, δυναµική Περιεχόµενα Κεφαλαίου 8 Συντηρητικές

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 17 Φεβρουαρίου 2004 ιάρκεια: 2 ώρες (15:00-17:00)

Διαβάστε περισσότερα

Μαθηµατική. Μοντελοποίηση

Μαθηµατική. Μοντελοποίηση Μαθηµατική Μοντελοποίηση Μοντελοποίηση Απαιτητική οικονοµία και αγορά εργασίας Σύνθετες και περίπλοκες προβληµατικές καταστάσεις Μαθηµατικές και τεχνολογικές δεξιότητες Επίλυση σύνθετων προβληµάτων Μαθηµατικοποίηση

Διαβάστε περισσότερα

6. Διαχείριση Έργου. Έκδοση των φοιτητών

6. Διαχείριση Έργου. Έκδοση των φοιτητών 6. Διαχείριση Έργου Έκδοση των φοιτητών Εισαγωγή 1. Η διαδικασία της Διαχείρισης Έργου 2. Διαχείριση κινδύνων Επανεξέταση Ερωτήσεις Αυτοαξιολόγησης Διαχείριση του έργου είναι να βάζεις σαφείς στόχους,

Διαβάστε περισσότερα

Φυσική Προσανατολισμού Β τάξη Ενιαίου Λυκείου 1 0 Κεφάλαιο- Καμπυλόγραμμες κινήσεις : Οριζόντια βολή, Κυκλική Κίνηση. Περιέχει: 1.

Φυσική Προσανατολισμού Β τάξη Ενιαίου Λυκείου 1 0 Κεφάλαιο- Καμπυλόγραμμες κινήσεις : Οριζόντια βολή, Κυκλική Κίνηση. Περιέχει: 1. Φυσική Προσανατολισμού Β τάξη Ενιαίου Λυκείου 1 0 Κεφάλαιο- Καμπυλόγραμμες κινήσεις : Οριζόντια βολή, Κυκλική Κίνηση Περιέχει: 1. Αναλυτική Θεωρία 2. Ερωτήσεις Θεωρίας 3. Ερωτήσεις Πολλαπλής Επιλογής 4.

Διαβάστε περισσότερα

Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα Τεχνητή Νοημοσύνη (Artificial Intelligence) Ανάπτυξη μεθόδων και τεχνολογιών για την επίλυση προβλημάτων στα οποία ο άνθρωπος υπερέχει (?) του υπολογιστή Συλλογισμοί

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ. ΕΞΕΤΑΣΗ ΣΤΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος 2004

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ. ΕΞΕΤΑΣΗ ΣΤΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος 2004 ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΕΞΕΤΑΣΗ ΣΤΗ ΜΗΧΑΝΙΚΗ Ι Σεπτέµβριος 2004 Τµήµα Π. Ιωάννου & Θ. Αποστολάτου Θέµα 1 (25 µονάδες) Ένα εκκρεµές µήκους l κρέµεται έτσι ώστε η σηµειακή µάζα να βρίσκεται ακριβώς

Διαβάστε περισσότερα

ΑΛΓΟΡΙΘΜΟΙ. Τι είναι αλγόριθμος

ΑΛΓΟΡΙΘΜΟΙ. Τι είναι αλγόριθμος ΑΛΓΟΡΙΘΜΟΙ Στο σηµείωµα αυτό αρχικά εξηγείται η έννοια αλγόριθµος και παραθέτονται τα σπουδαιότερα κριτήρια που πρέπει να πληρεί κάθε αλγόριθµος. Στη συνέχεια, η σπουδαιότητα των αλγορίθµων συνδυάζεται

Διαβάστε περισσότερα

20 Η ΠΑΓΚΥΠΡΙΑ ΟΛΥΜΠΙΑ Α ΦΥΣΙΚΗΣ Β ΛΥΚΕΙΟΥ

20 Η ΠΑΓΚΥΠΡΙΑ ΟΛΥΜΠΙΑ Α ΦΥΣΙΚΗΣ Β ΛΥΚΕΙΟΥ ΕΝΩΣΗ ΚΥΠΡΙΩΝ ΦΥΣΙΚΩΝ 20 Η ΠΑΓΚΥΠΡΙΑ ΟΛΥΜΠΙΑ Α ΦΥΣΙΚΗΣ Β ΛΥΚΕΙΟΥ Αφιερωµένη στη µνήµη της Φυσικού Σύλβιας Γιασουµή Κυριακή, 19 Μαρτίου, 2006 Ώρα: 10:30-13:30 Οδηγίες: 1) Το δοκίµιο αποτελείται από έξι

Διαβάστε περισσότερα

Κεφ. 1: Εισαγωγή στην έννοια του Αλγορίθμου και στον Προγραμματισμό. Η έννοια του προβλήματος

Κεφ. 1: Εισαγωγή στην έννοια του Αλγορίθμου και στον Προγραμματισμό. Η έννοια του προβλήματος Η έννοια του προβλήματος 1. Αναφέρετε μερικά από τα προβλήματα που συναντάτε στην καθημερινότητά σας. Απλά προβλήματα Ποιο δρόμο θα ακολουθήσω για να πάω στο σχολείο; Πως θα οργανώσω μια εκδρομή; Πως θα

Διαβάστε περισσότερα

Περίληψη ιπλωµατικής Εργασίας

Περίληψη ιπλωµατικής Εργασίας Περίληψη ιπλωµατικής Εργασίας Θέµα: Εναλλακτικές Τεχνικές Εντοπισµού Θέσης Όνοµα: Κατερίνα Σπόντου Επιβλέπων: Ιωάννης Βασιλείου Συν-επιβλέπων: Σπύρος Αθανασίου 1. Αντικείµενο της διπλωµατικής Ο εντοπισµός

Διαβάστε περισσότερα

Περιεχόµενα µαθήµατος

Περιεχόµενα µαθήµατος Περιεχόµενα µαθήµατος Λήψη αποφάσεων Ειδικά θέµατα (προγραµµατισµός κι έλεγχος παραγωγής, ανάλυση χρονοσειρών, διαχείριση κι έλεγχος αποθεµάτων, κ.ά.) Ορισµός, στόχοι και µορφές επιχειρήσεων και Χρηµατοοικονοµικά

Διαβάστε περισσότερα

Κεφάλαιο M4. Κίνηση σε δύο διαστάσεις

Κεφάλαιο M4. Κίνηση σε δύο διαστάσεις Κεφάλαιο M4 Κίνηση σε δύο διαστάσεις Κινηµατική σε δύο διαστάσεις Θα περιγράψουµε τη διανυσµατική φύση της θέσης, της ταχύτητας, και της επιτάχυνσης µε περισσότερες λεπτοµέρειες. Θα µελετήσουµε την κίνηση

Διαβάστε περισσότερα

Οικονόμου Παναγιώτης.

Οικονόμου Παναγιώτης. Οικονόμου Παναγιώτης panawths@gmail.com poikonomou@teilam.gr Οικονόμου Παναγιώτης 1 Παπαγεωργίου. 2 Αθήνα-Ελλάδα χρόνου 460 π.χ.? Ένας νεαρός άνδρας σκεπτόμενος το ενδεχόμενο γάμου, ζητά από τον Σωκράτη

Διαβάστε περισσότερα

Επιµέλεια Θοδωρής Πιερράτος

Επιµέλεια Θοδωρής Πιερράτος Εισαγωγή στον προγραµµατισµό Η έννοια του προγράµµατος Ο προγραµµατισµός ασχολείται µε τη δηµιουργία του προγράµµατος, δηλαδή του συνόλου εντολών που πρέπει να δοθούν στον υπολογιστή ώστε να υλοποιηθεί

Διαβάστε περισσότερα

Επιµέλεια Θοδωρής Πιερράτος

Επιµέλεια Θοδωρής Πιερράτος Η έννοια πρόβληµα Ανάλυση προβλήµατος Με τον όρο πρόβληµα εννοούµε µια κατάσταση η οποία χρήζει αντιµετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή ούτε προφανής. Μερικά προβλήµατα είναι τα εξής:

Διαβάστε περισσότερα

Επιχειρησιακή Στρατηγική. Αριστοµένης Μακρής

Επιχειρησιακή Στρατηγική. Αριστοµένης Μακρής Στρατηγική Εφαρµογή ιαχείριση σε Επιχειρηµατικό Επίπεδο εν έχει σηµασία τι κάνεις, φθάνει να το κάνεις καλά. J. Galbraith. Στρατηγική και Οργάνωση Χρειάζεται πολύ περισσότερος χρόνος και ενέργεια για την

Διαβάστε περισσότερα

Πέραν της θεωρίας του Piaget. Κ. Παπαδοπούλου ΕΚΠΑ/ΤΕΑΠΗ

Πέραν της θεωρίας του Piaget. Κ. Παπαδοπούλου ΕΚΠΑ/ΤΕΑΠΗ Πέραν της θεωρίας του Piaget Κ. Παπαδοπούλου ΕΚΠΑ/ΤΕΑΠΗ Προσεγγίσεις επεξεργασίας πληροφοριών Siegler, R. (2002) Πώς Σκέφτονται τα Παιδιά. Αθήνα: Gutenberg. Προσεγγίσεις επεξεργασίας πληροφοριών Η γνωστική

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 1. ΕΙ Η Ε ΟΜΕΝΩΝ, ΣΥΛΛΟΓΗ, ΚΩ ΙΚΟΠΟΙΗΣΗ ΚΑΙ ΕΙΣΑΓΩΓΗ

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 1. ΕΙ Η Ε ΟΜΕΝΩΝ, ΣΥΛΛΟΓΗ, ΚΩ ΙΚΟΠΟΙΗΣΗ ΚΑΙ ΕΙΣΑΓΩΓΗ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 1. ΕΙ Η Ε ΟΜΕΝΩΝ, ΣΥΛΛΟΓΗ, ΚΩ ΙΚΟΠΟΙΗΣΗ ΚΑΙ ΕΙΣΑΓΩΓΗ Βασικές µορφές Ερωτήσεων - απαντήσεων Ανοιχτές Κλειστές Κλίµακας ΕΛΕΥΘΕΡΙΟΣ ΑΓΓΕΛΗΣ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΠΘ 2 Ανοιχτές ερωτήσεις Ανοιχτές

Διαβάστε περισσότερα

ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ ΤΟΥΡΙΣΤΙΚΗΣ ΣΥΓΚΥΡΙΑΣ

ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ ΤΟΥΡΙΣΤΙΚΗΣ ΣΥΓΚΥΡΙΑΣ ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ ΤΟΥΡΙΣΤΙΚΗΣ ΣΥΓΚΥΡΙΑΣ ΕΚΕΜΒΡΙΟΣ 2008 Εξαµηνιαία Έρευνα Συγκυρίας στις Ξενοδοχειακές Επιχειρήσεις 2 1. Εισαγωγή Το ΙΤΕΠ άρχισε να διεξάγει δύο φορές το χρόνο Έρευνα Συγκυρίας µεταξύ

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται

Διαβάστε περισσότερα

Κωνσταντίνος Π. Χρήστου

Κωνσταντίνος Π. Χρήστου 1 Κριτήρια: Διδακτική διαδικασία Μαθητοκεντρικά Δασκαλοκεντρικά Αλληλεπίδρασης διδάσκοντα διδασκόµενου Είδος δεξιοτήτων που θέλουν να αναπτύξουν Επεξεργασίας Πληροφοριών Οργάνωση-ανάλυση πληροφοριών, λύση

Διαβάστε περισσότερα

Κεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής

Κεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής Κεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής Εννοιολογική αναπαράσταση δίκτυων διανομής Σχηματοποίηση: δικτυακή απεικόνιση των συνιστωσών του φυσικού συστήματος ως συνιστώσες ενός εννοιολογικού μοντέλου

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών

Διαβάστε περισσότερα

Ασκήσεις υναµικής 3 η ενότητα: Κινητική σωµατιδίου: ενέργεια, ορµή, κρούση

Ασκήσεις υναµικής 3 η ενότητα: Κινητική σωµατιδίου: ενέργεια, ορµή, κρούση Ασκήσεις υναµικής 3 η ενότητα: Κινητική σωµατιδίου: ενέργεια, ορµή, κρούση 1. Mόλις τεθεί σε κίνηση µε σταθερή ταχύτητα, ο µάζας 1000 kg ανελκυστήρας Α ανεβαίνει µε ρυθµό έναν όροφο (3 m) το δευτερόλεπτο.

Διαβάστε περισσότερα

Τι είναι τα Συστήµατα Γεωγραφικών Πληροφοριών. (Geographical Information Systems GIS)

Τι είναι τα Συστήµατα Γεωγραφικών Πληροφοριών. (Geographical Information Systems GIS) Τι είναι τα Συστήµατα Γεωγραφικών Πληροφοριών (Geographical Information Systems GIS) ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ, ΤΜΗΜΑ ΓΕΩΓΡΑΦΙΑΣ ΧΑΛΚΙΑΣ ΧΡΙΣΤΟΣ Εισαγωγή στα GIS 1 Ορισµοί ΣΓΠ Ένα σύστηµα γεωγραφικών πληροφοριών

Διαβάστε περισσότερα

ΑΕΠΠ Ερωτήσεις θεωρίας

ΑΕΠΠ Ερωτήσεις θεωρίας ΑΕΠΠ Ερωτήσεις θεωρίας Κεφάλαιο 1 1. Τα δεδομένα μπορούν να παρέχουν πληροφορίες όταν υποβάλλονται σε 2. Το πρόβλημα μεγιστοποίησης των κερδών μιας επιχείρησης είναι πρόβλημα 3. Για την επίλυση ενός προβλήματος

Διαβάστε περισσότερα

Φυσική Ι 1ο εξάμηνο. Γεώργιος Γκαϊντατζής Επίκουρος Καθηγητής. Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης.

Φυσική Ι 1ο εξάμηνο. Γεώργιος Γκαϊντατζής Επίκουρος Καθηγητής. Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης. Φυσική Ι 1ο εξάμηνο Γεώργιος Γκαϊντατζής Επίκουρος Καθηγητής Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης 4 ο μάθημα Κεφάλαιο 9 Βαρύτητα Ηλιακό σύστημα (όχι σε κλίμακα) Βαρύτητα

Διαβάστε περισσότερα

Managing Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu.

Managing Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu. Managing Information Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business e-mail: kyritsis@ist.edu.gr Διαχείριση Γνώσης Knowledge Management Learning Objectives Ποιοί

Διαβάστε περισσότερα

Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS)

Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS) Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS) ρ. ΧΑΛΚΙΑΣ ΧΡΙΣΤΟΣ xalkias@hua.gr Χ. Χαλκιάς - Εισαγωγή στα GIS 1 Ορισµοί ΓΠΣ Ένα γεωγραφικό πληροφοριακό σύστηµα Geographic Information

Διαβάστε περισσότερα

Αστικά υδραυλικά έργα

Αστικά υδραυλικά έργα Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Αστικά υδραυλικά έργα Υδραυλική ανάλυση δικτύων διανομής Δημήτρης Κουτσογιάννης, Καθηγητής ΕΜΠ Σχολή Πολιτικών Μηχανικών Άδεια Χρήσης

Διαβάστε περισσότερα

Ε Υ Θ Υ Γ Ρ Α Μ Μ Η Κ Ι Ν Η Σ Η - Α Σ Κ Η Σ Ε Ι Σ

Ε Υ Θ Υ Γ Ρ Α Μ Μ Η Κ Ι Ν Η Σ Η - Α Σ Κ Η Σ Ε Ι Σ 0 ΕΡΩΤΗΣΕΙΣ ΚΑΤΑΝΟΗΣΗΣ ΠΟΛΛΑΠΛΗΣ ΕΠΙΛΟΓΗΣ ΑΣΚΗΣΕΙΣ Ε Υ Θ Υ Γ Ρ Α Μ Μ Η Κ Ι Ν Η Σ Η - Α Σ Κ Η Σ Ε Ι Σ 0 1 Στρατηγική επίλυσης προβλημάτων Α. Κάνε κατάλληλο σχήμα,τοποθέτησε τα δεδομένα στο σχήμα και ονόμασε

Διαβάστε περισσότερα

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων Περίληψη ιδακτορικής ιατριβής Τριχακης Ιωάννης Εργαστήριο

Διαβάστε περισσότερα

Τεχνολογία και Κοινωνία

Τεχνολογία και Κοινωνία 1 Τεχνολογία και Κοινωνία Μάθηµα 4 ο Δηµήτρης Τσέλιος 2 Περιεχόµενο του µαθήµατος Καινοτοµία: φθίνει ή ανασυνδιάζεται Εάν θέλετε να έχετε καλές ιδέες, θα πρέπει να έχετε πολλές ιδέες. Linus Pauling Η καινοτοµία

Διαβάστε περισσότερα

Μ Α Θ Η Μ Α Τ Ι Κ Η Π Ρ Ο Τ Υ Π Ο Π Ο Ι Η Σ Η Ε Ρ Γ Α Σ Ι Α 1 Η

Μ Α Θ Η Μ Α Τ Ι Κ Η Π Ρ Ο Τ Υ Π Ο Π Ο Ι Η Σ Η Ε Ρ Γ Α Σ Ι Α 1 Η Ε Θ Ν Ι Κ Ο Μ Ε Τ Σ Ο Β Ι Ο Π Ο Λ Υ Τ Ε Χ Ν Ε Ι Ο ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΜΕΑΣ ΜΑΘΗΜΑΤΙΚΩΝ Μ Α Θ Η Μ Α Τ Ι Κ Η Π Ρ Ο Τ Υ Π Ο Π Ο Ι Η Σ Η Ε Ρ Γ Α Σ Ι Α 1 Η ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ 11-1

Διαβάστε περισσότερα

Κ. Παπαµιχάλης Υπεύθυνος Α ΕΚΦΕ Αν. Αττικής

Κ. Παπαµιχάλης Υπεύθυνος Α ΕΚΦΕ Αν. Αττικής Κ. Παπαµιχάλης Υπεύθυνος Α ΕΚΦΕ Αν. Αττικής Γενικός σχεδιασµός της διδασκαλίας του κεφαλαίου «υνάµεις» Περιγραφή φαινοµένων µε χρήση των εννοιών «δύναµη» και «αλληλεπίδραση» 1. Περιγράφει συγκεκριµένα

Διαβάστε περισσότερα

ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ

ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ (ΜΕ ΒΑΣΗ ΤΟ ΚΕΦ. 6 ΤΟΥ ΒΙΒΛΙΟΥ «ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ» ΤΩΝ ΒΛΑΧΑΒΑ, ΚΕΦΑΛΑ, ΒΑΣΙΛΕΙΑ Η, ΚΟΚΚΟΡΑ & ΣΑΚΕΛΛΑΡΙΟΥ) Ι. ΧΑΤΖΗΛΥΓΕΡΟΥ ΗΣ ΠΡΟΒΛΗΜΑΤΑ ΙΚΑΝΟΠΟΙΗΣΗΣ ΠΕΡΙΟΡΙΣΜΩΝ Είναι γνωστές µερικές

Διαβάστε περισσότερα

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΜΑΘΗΜΑ 2 ΑΝΑΠΑΡΑΣΤΑΣΗ - ΤΕΧΝΙΚΕΣ ΤΝ (1)

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΜΑΘΗΜΑ 2 ΑΝΑΠΑΡΑΣΤΑΣΗ - ΤΕΧΝΙΚΕΣ ΤΝ (1) ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΜΑΘΗΜΑ 2 ΑΝΑΠΑΡΑΣΤΑΣΗ - ΤΕΧΝΙΚΕΣ ΤΝ (1) 2. ΑΝΑΠΑΡΑΣΤΑΣΗ ΠΡΟΒΛΗΜΑΤΟΣ H υλοποίηση ενός προβλήµατος σε σύστηµα Η/Υ που επιδεικνύει ΤΝ 1 απαιτεί: Την κατάλληλη περιγραφή του προβλήµατος

Διαβάστε περισσότερα

Ποιοτική & Ποσοτική Ανάλυση εδοµένων Εβδοµάδα 5 η 6 η είκτες Κεντρικής Τάσης και ιασποράς

Ποιοτική & Ποσοτική Ανάλυση εδοµένων Εβδοµάδα 5 η 6 η είκτες Κεντρικής Τάσης και ιασποράς Ποιοτική & Ποσοτική Ανάλυση εδοµένων Εβδοµάδα 5 η 6 η είκτες Κεντρικής Τάσης και ιασποράς Παιδαγωγικό Τµήµα ηµοτικής Εκπαίδευσης ηµοκρίτειο Πανεπιστήµιο Θράκης Αλεξανδρούπολη, 2014-2015 Εµπειρικές Στατιστικές

Διαβάστε περισσότερα

1.1. 1o ΚΕΦΑΛΑΙΟ Β ΘΕΜΑΤΑ

1.1. 1o ΚΕΦΑΛΑΙΟ Β ΘΕΜΑΤΑ 1o ΚΕΦΑΛΑΙΟ Β ΘΕΜΑΤΑ 1.1 16950 Β (ΑΝΑΡΤΗΘΗΚΕ 08-11-14) α) Να κατασκευάσετε ένα γραµµικό σύστηµα δυο εξισώσεων µε δυο αγνώστους µε συντελεστές διάφορους του µηδενός, το οποίο να είναι αδύνατο. β) Να παραστήσετε

Διαβάστε περισσότερα

Κασταλία Σύστηµα στοχαστικής προσοµοίωσης υδρολογικών µεταβλητών

Κασταλία Σύστηµα στοχαστικής προσοµοίωσης υδρολογικών µεταβλητών Εθνικό Μετσόβιο Πολυτεχνείο Τοµέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων Κασταλία Σύστηµα στοχαστικής προσοµοίωσης υδρολογικών µεταβλητών. Κουτσογιάννης Α. Ευστρατιάδης Φεβρουάριος 2002 Εισαγωγή

Διαβάστε περισσότερα

1 ο ΚΕΦΑΛΑΙΟ Α. ΜΟΝΑΔΕΣ Β. ΤΡΙΓΩΝΟΜΕΤΡΙΚΟΙ ΑΡΙΘΜΟΙ ΓΩΝΙΩΝ ΚΡΕΜΑΣΤΑΣ ΙΩΑΝΝΗΣ

1 ο ΚΕΦΑΛΑΙΟ Α. ΜΟΝΑΔΕΣ Β. ΤΡΙΓΩΝΟΜΕΤΡΙΚΟΙ ΑΡΙΘΜΟΙ ΓΩΝΙΩΝ ΚΡΕΜΑΣΤΑΣ ΙΩΑΝΝΗΣ Α. ΜΟΝΑΔΕΣ Β. ΤΡΙΓΩΝΟΜΕΤΡΙΚΟΙ ΑΡΙΘΜΟΙ ΓΩΝΙΩΝ 1 ΚΕΦΑΛΑΙΟ 1 Ο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ- ΘΕΩΡΙΑ Μετατόπιση (Δx): Είναι η διαφορά μεταξύ της αρχικής και της τελικής θέσης ενός σώματος και έχει μονάδες τα μέτρα (m).

Διαβάστε περισσότερα

Συχνές ερωτήσεις - απαντήσεις για τη χρήση του λογισµικού

Συχνές ερωτήσεις - απαντήσεις για τη χρήση του λογισµικού Συχνές ερωτήσεις - απαντήσεις για τη χρήση του λογισµικού Πώς µπορώ να αποκτήσω κωδικούς πρόσβασης στο σύστηµα δήλωσης αυθαιρέτων; Οι κωδικοί πρόσβασης στην ηλεκτρονική εφαρµογή για τις δηλώσεις και βεβαιώσεις

Διαβάστε περισσότερα

ΙΑΚΗΡΥΞΗ ΑΠΜ ΓΙΑ ΤΟ ΕΡΓΟ :

ΙΑΚΗΡΥΞΗ ΑΠΜ ΓΙΑ ΤΟ ΕΡΓΟ : ΙΑΚΗΡΥΞΗ ΑΠΜ 41402 ΓΙΑ ΤΟ ΕΡΓΟ : «ΠΡΟΜΗΘΕΙΑ & ΕΓΚΑΤΑΣΤΑΣΗ ΠΛΑΤΦΟΡΜΑΣ ΤΗΛΕΚΠΑΙ ΕΥΣΗΣ ΚΑΙ ΗΜΙΟΥΡΓΙΑ ΗΛΕΚΤΡΟΝΙΚΟΥ ΜΑΘΗΜΑΤΟΣ ΜΕ ΘΕΜΑ : ΑΣΦΑΛΕΙΑ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ» ΠΕΡΙΕΧΟΜΕΝΑ 1. Τεχνικά χαρακτηριστικά

Διαβάστε περισσότερα

6. Στατιστικές μέθοδοι εκπαίδευσης

6. Στατιστικές μέθοδοι εκπαίδευσης 6. Στατιστικές μέθοδοι εκπαίδευσης Μία διαφορετική μέθοδος εκπαίδευσης των νευρωνικών δικτύων χρησιμοποιεί ιδέες από την Στατιστική Φυσική για να φέρει τελικά το ίδιο αποτέλεσμα όπως οι άλλες μέθοδοι,

Διαβάστε περισσότερα

, όπου οι σταθερές προσδιορίζονται από τις αρχικές συνθήκες.

, όπου οι σταθερές προσδιορίζονται από τις αρχικές συνθήκες. Στην περίπτωση της ταλάντωσης µε κρίσιµη απόσβεση οι δύο γραµµικώς ανεξάρτητες λύσεις εκφυλίζονται (καταλήγουν να ταυτίζονται) Στην περιοχή ασθενούς απόσβεσης ( ) δύο γραµµικώς ανεξάρτητες λύσεις είναι

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ. Από το βιβλίο: Κώστογλου, Β. (2015). Επιχειρησιακή Έρευνα. Θεσσαλονίκη: Εκδόσεις Τζιόλα

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ. Από το βιβλίο: Κώστογλου, Β. (2015). Επιχειρησιακή Έρευνα. Θεσσαλονίκη: Εκδόσεις Τζιόλα ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ 1 Εισαγωγικά Απόθεμα εννοείται κάθε είδους αγαθό, το οποίο μπορεί να αποθηκευτεί με στόχο την τρέχουσα ή μελλοντική χρησιμοποίησή του. Αποθέματα συναντώνται σε κάθε

Διαβάστε περισσότερα

ΑΛΓΟΡΙΘΜΟΙ ΑΝΟΠΤΗΣΗΣ: Ο ΑΛΓΟΡΙΘΜΟΣ ΤΗΣ ΑΠΟ ΟΧΗΣ ΚΑΤΩΦΛΙΟΥ (THRESHOLD ACCEPTING)

ΑΛΓΟΡΙΘΜΟΙ ΑΝΟΠΤΗΣΗΣ: Ο ΑΛΓΟΡΙΘΜΟΣ ΤΗΣ ΑΠΟ ΟΧΗΣ ΚΑΤΩΦΛΙΟΥ (THRESHOLD ACCEPTING) ΑΛΓΟΡΙΘΜΟΙ ΑΝΟΠΤΗΣΗΣ: Ο ΑΛΓΟΡΙΘΜΟΣ ΤΗΣ ΑΠΟ ΟΧΗΣ ΚΑΤΩΦΛΙΟΥ (THRESHOLD ACCEPTING) ΧΡΗΣΤΟΣ. ΤΑΡΑΝΤΙΛΗΣ ΚΛΑΣΙΚΟΙ ΕΥΡΕΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ Κλασικοί Ευρετικοί Classical Heuristics Κατασκευαστικοί Ευρετικοί Αλγόριθµοι

Διαβάστε περισσότερα

3.7 Παραδείγματα Μεθόδου Simplex

3.7 Παραδείγματα Μεθόδου Simplex 3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x

Διαβάστε περισσότερα

Ανάπτυξη Χωρικής Αντίληψης και Σκέψης

Ανάπτυξη Χωρικής Αντίληψης και Σκέψης Ανάπτυξη Χωρικής Αντίληψης και Σκέψης Clements & Sarama, 2009; Sarama & Clements, 2009 Χωρική αντίληψη και σκέψη Προσανατολισμός στο χώρο Οπτικοποίηση (visualization) Νοερή εικονική αναπαράσταση Νοερή

Διαβάστε περισσότερα

Κεφάλαιο 3. Αλγόριθµοι Τυφλής Αναζήτησης. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 3. Αλγόριθµοι Τυφλής Αναζήτησης. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 3 Αλγόριθµοι Τυφλής Αναζήτησης Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αλγόριθµοι Τυφλής Αναζήτησης Οι αλγόριθµοι τυφλής αναζήτησης (blind

Διαβάστε περισσότερα

3.3 ΕΠΙΜΕΡΙΣΜΟΣ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ

3.3 ΕΠΙΜΕΡΙΣΜΟΣ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ 3.3 ΕΠΙΜΕΡΙΣΜΟΣ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ Όπως είναι γνωστό, ο ηλεκτρισµός παρέχεται στον καταναλωτή-χρήστη ως τελική ενέργεια, η οποία στη συνέχεια µετατρέπεται σε ωφέλιµη ενέργεια, µε πληθώρα χρήσεων και

Διαβάστε περισσότερα

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΣΧΕΔΙΟΥ ΜΑΘΗΜΑΤΟΣ

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΣΧΕΔΙΟΥ ΜΑΘΗΜΑΤΟΣ ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΣΧΕΔΙΟΥ ΜΑΘΗΜΑΤΟΣ Καθηγητής/τρια: Αρ. Μαθητών/τριών : Ημερομηνία: Χρόνος: Τμήμα: Ενότητα & Θέμα Μαθήματος: Μάθημα: ΓΕΩΓΡΑΦΙΑ Απαραίτητες προϋπάρχουσες/προαπαιτούμενες γνώσεις (προηγούμενοι/προαπαιτούμενοι

Διαβάστε περισσότερα

Να χαρακτηρίσετε τις προτάσεις που ακολουθούν σαν σωστές (Σ) ή λάθος (Λ). Ποιες από τις παρακάτω προτάσεις είναι σωστές (Σ) και ποιες είναι λάθος (Λ).

Να χαρακτηρίσετε τις προτάσεις που ακολουθούν σαν σωστές (Σ) ή λάθος (Λ). Ποιες από τις παρακάτω προτάσεις είναι σωστές (Σ) και ποιες είναι λάθος (Λ). 1 ΕΥΘΥΓΡΑΜΜΕΣ ΚΙΝΗΣΕΙΣ ΘΕΜΑ 1 Ο Να χαρακτηρίσετε τις προτάσεις που ακολουθούν σαν σωστές (Σ) ή λάθος (Λ). Ποιες από τις παρακάτω προτάσεις είναι σωστές (Σ) και ποιες είναι λάθος (Λ). *1. Μια κίνηση είναι

Διαβάστε περισσότερα

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Στατιστική Ι Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΕΡΩΤΗΜΑΤΑ. Και οι απαντήσεις τους

ΜΑΘΗΜΑΤΙΚΑ ΕΡΩΤΗΜΑΤΑ. Και οι απαντήσεις τους ΜΑΘΗΜΑΤΙΚΑ ΕΡΩΤΗΜΑΤΑ Και οι απαντήσεις τους Ποια είναι η διαφορά ανάμεσα στο «παλιό» και στο «σύγχρονο» μάθημα των Μαθηματικών; Στο μάθημα παλαιού τύπου η γνώση παρουσιάζεται στο μαθητή από τον διδάσκοντα

Διαβάστε περισσότερα

"The Project ARXIMIDIS ΙΙ is co-funded by the European Social Fund and National Resources EPEAEK ΙΙ "

The Project ARXIMIDIS ΙΙ is co-funded by the European Social Fund and National Resources EPEAEK ΙΙ Αρχιµήδης ΙΙ Ενίσχυση Ερευνητικών Οµάδων του ΤΕΙ Κρήτης Τίτλος Υποέργου: Εφαρµογές Τεχνητής Νοηµοσύνης στην Τεχνολογία Λογισµικού και στην Ιατρική Επιστηµονικός Υπεύθυνος: ρ Εµµανουήλ Μαρακάκης ραστηριότητα

Διαβάστε περισσότερα

Βετεράνοι αθλητές. Απόδοση & Ηλικία. Βασικά στοιχεία. Αθλητισμός Επιδόσεων στη 2η και 3η Ηλικία. Γενικευμένη θεωρία για τη

Βετεράνοι αθλητές. Απόδοση & Ηλικία. Βασικά στοιχεία. Αθλητισμός Επιδόσεων στη 2η και 3η Ηλικία. Γενικευμένη θεωρία για τη Αθλητισμός Επιδόσεων στη 2η και 3η Ηλικία. Γενικευμένη θεωρία για τη Διατήρηση η της αθλητικής απόδοσης 710: 8 η Διάλεξη Μιχαλοπούλου Μαρία Ph.D. Περιεχόμενο της διάλεξης αυτής αποτελούν: Αγωνιστικός αθλητισμός

Διαβάστε περισσότερα

Μηχανική ΙI Ροή στο χώρο των φάσεων, θεώρηµα Liouville

Μηχανική ΙI Ροή στο χώρο των φάσεων, θεώρηµα Liouville Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 16/5/2000 Μηχανική ΙI Ροή στο χώρο των φάσεων, θεώρηµα Liouville Στη Χαµιλτονιανή θεώρηση η κατάσταση του συστήµατος προσδιορίζεται κάθε στιγµή από ένα και µόνο σηµείο

Διαβάστε περισσότερα

Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής

Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής Βασισμένο σε μια εργασία των Καζαρλή, Καλόμοιρου, Μαστοροκώστα, Μπαλουκτσή, Καλαϊτζή, Βαλαή, Πετρίδη Εισαγωγή Η Εξελικτική Υπολογιστική

Διαβάστε περισσότερα

Θέµατα αξιολόγησης εκπαιδευτικού λογισµικού

Θέµατα αξιολόγησης εκπαιδευτικού λογισµικού Θέµατα αξιολόγησης εκπαιδευτικού λογισµικού Όνοµα: Τάσος Αναστάσιος Επώνυµο: Μικρόπουλος Τίτλος: Αναπληρωτής Καθηγητής, Εργαστήριο Εφαρµογών Εικονικής Πραγµατικότητας στην Εκπαίδευση, Πανεπιστήµιο Ιωαννίνων

Διαβάστε περισσότερα

Έλεγχος Κίνησης

Έλεγχος Κίνησης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα 1501 - Έλεγχος Κίνησης Ενότητα: Συστήματα Ελέγχου Κίνησης Μιχαήλ Παπουτσιδάκης Τμήμα Αυτοματισμού Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Συγχρονισµός πολυµέσων

Συγχρονισµός πολυµέσων Συγχρονισµός πολυµέσων Έννοια του συγχρονισµού Απαιτήσεις παρουσίασης Ποιότητα υπηρεσίας συγχρονισµού Πλαίσιο αναφοράς συγχρονισµού Κατανεµηµένος συγχρονισµός Προδιαγραφές συγχρονισµού Τεχνολογία Πολυµέσων

Διαβάστε περισσότερα

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών

Διαβάστε περισσότερα

Εφαρµοσµένη ιδακτική των Φυσικών Επιστηµών (Πρακτικές Ασκήσεις Β Φάσης)

Εφαρµοσµένη ιδακτική των Φυσικών Επιστηµών (Πρακτικές Ασκήσεις Β Φάσης) Πανεπιστήµιο Αιγαίου Παιδαγωγικό Τµήµα ηµοτικής Εκπαίδευσης Μιχάλης Σκουµιός Εφαρµοσµένη ιδακτική των Φυσικών Επιστηµών (Πρακτικές Ασκήσεις Β Φάσης) Παρατήρηση ιδασκαλίας και Μοντέλο Συγγραφής Έκθεσης

Διαβάστε περισσότερα

ΕΧΕΙ ΤΑΞΙΝΟΜΗΘΕΙ ΑΝΑ ΕΝΟΤΗΤΑ ΚΑΙ ΑΝΑ ΤΥΠΟ ΓΙΑ ΔΙΕΥΚΟΛΥΝΣΗ ΤΗΣ ΜΕΛΕΤΗΣ ΣΑΣ ΚΑΛΗ ΕΠΙΤΥΧΙΑ ΣΤΗ ΠΡΟΣΠΑΘΕΙΑ ΣΑΣ ΚΙ 2014

ΕΧΕΙ ΤΑΞΙΝΟΜΗΘΕΙ ΑΝΑ ΕΝΟΤΗΤΑ ΚΑΙ ΑΝΑ ΤΥΠΟ ΓΙΑ ΔΙΕΥΚΟΛΥΝΣΗ ΤΗΣ ΜΕΛΕΤΗΣ ΣΑΣ ΚΑΛΗ ΕΠΙΤΥΧΙΑ ΣΤΗ ΠΡΟΣΠΑΘΕΙΑ ΣΑΣ ΚΙ 2014 ΤΟ ΥΛΙΚΟ ΕΧΕΙ ΑΝΤΛΗΘΕΙ ΑΠΟ ΤΑ ΨΗΦΙΑΚΑ ΕΚΠΑΙΔΕΥΤΙΚΑ ΒΟΗΘΗΜΑΤΑ ΤΟΥ ΥΠΟΥΡΓΕΙΟΥ ΠΑΙΔΕΙΑΣ http://www.study4exams.gr/ ΕΧΕΙ ΤΑΞΙΝΟΜΗΘΕΙ ΑΝΑ ΕΝΟΤΗΤΑ ΚΑΙ ΑΝΑ ΤΥΠΟ ΓΙΑ ΔΙΕΥΚΟΛΥΝΣΗ ΤΗΣ ΜΕΛΕΤΗΣ ΣΑΣ ΚΑΛΗ ΕΠΙΤΥΧΙΑ ΣΤΗ

Διαβάστε περισσότερα

ΣΤΟΧΑΣΤΙΚΕΣ ΙΑ ΙΚΑΣΙΕΣ

ΣΤΟΧΑΣΤΙΚΕΣ ΙΑ ΙΚΑΣΙΕΣ ΣΤΟΧΑΣΤΙΚΕΣ ΙΑ ΙΚΑΣΙΕΣ Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος Τµ. Επιστήµης των Υλικών Στοχαστικές ιαδικασίες Ορισµός Μία στοχαστική διαδικασία είναι µία οικογένεια τυχαίων µεταβλητών

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 7 Ιανουαρίου 2005 ιάρκεια εξέτασης: 5:00-8:00 Έστω ότι

Διαβάστε περισσότερα

3. Προσομοίωση ενός Συστήματος Αναμονής.

3. Προσομοίωση ενός Συστήματος Αναμονής. 3. Προσομοίωση ενός Συστήματος Αναμονής. 3.1. Διατύπωση του Προβλήματος. Τα συστήματα αναμονής (queueing systems), βρίσκονται πίσω από τα περισσότερα μοντέλα μελέτης της απόδοσης υπολογιστικών συστημάτων,

Διαβάστε περισσότερα

Β ΚΥΚΛΟΣ ΣΥΓΧΡΟΝΩΝ ΠΡΟΣΟΜΟΙΩΤΙΚΩΝ ΔΙΑΓΩΝΙΣΜΑΤΩΝ Προτεινόμενα Θέματα Α ΓΕΛ ΝΟΕΜΒΡΙΟΣ Φυσική ΘΕΜΑ Α

Β ΚΥΚΛΟΣ ΣΥΓΧΡΟΝΩΝ ΠΡΟΣΟΜΟΙΩΤΙΚΩΝ ΔΙΑΓΩΝΙΣΜΑΤΩΝ Προτεινόμενα Θέματα Α ΓΕΛ ΝΟΕΜΒΡΙΟΣ Φυσική ΘΕΜΑ Α Φυσική ΘΕΜΑ Α γενικής παιδείας Να γράψετε τον αριθμό καθεμιάς από τις παρακάτω προτάσεις 1-5 και δίπλα το γράμμα που αντιστοιχεί στη σωστή απάντηση. 1. Το μέτρο της στιγμιαίας ταχύτητας είναι ίσο με τη

Διαβάστε περισσότερα

MATLAB. Λογισµικό υλοποίησης αλγορίθµων και διεξαγωγής υπολογισµών.

MATLAB. Λογισµικό υλοποίησης αλγορίθµων και διεξαγωγής υπολογισµών. MATLAB Tι είναι το λογισµικό MATLAB? Λογισµικό υλοποίησης αλγορίθµων και διεξαγωγής υπολογισµών. Σύστηµα αλληλεπίδρασης µε τοχρήστηγια πραγµατοποίηση επιστηµονικών υπολογισµών (πράξεις µε πίνακες επίλυση

Διαβάστε περισσότερα

Έργο Ενέργεια. ΦΥΣ 131 - Διαλ.15 1

Έργο Ενέργεια. ΦΥΣ 131 - Διαλ.15 1 Έργο Ενέργεια ΦΥΣ 131 - Διαλ.15 1 ΦΥΣ 131 - Διαλ.15 2 Έργο, Κινητική Ενέργεια και Δυναμική Ενέργεια q Βέλος εκτοξεύεται από ένα τόξο: Ø Η δύναμη μεταβάλλεται καθώς το τόξο επανέρχεται στην αρχική του θέση

Διαβάστε περισσότερα

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 4: Εισαγωγή / Σύνολα

Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 4: Εισαγωγή / Σύνολα Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Διακριτά Μαθηματικά Ενότητα 4: Εισαγωγή / Σύνολα Αν. Καθηγητής Κ. Στεργίου e-mail: kstergiou@uowm.gr Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Άδειες

Διαβάστε περισσότερα

4ο ιαγώνισµα Β Τάξης Ενιαίου Λυκείου Πέµπτη 2 Απρίλη 2015 Ηλεκτρικό Πεδίο - Πυκνωτές

4ο ιαγώνισµα Β Τάξης Ενιαίου Λυκείου Πέµπτη 2 Απρίλη 2015 Ηλεκτρικό Πεδίο - Πυκνωτές 4ο ιαγώνισµα Β Τάξης Ενιαίου Λυκείου Πέµπτη 2 Απρίλη 2015 Ηλεκτρικό Πεδίο - Πυκνωτές Σύνολο Σελίδων: έξι (6) - ιάρκεια Εξέτασης: 3 ώρες Βαθµολογία % Ονοµατεπώνυµο: Θέµα Α Στις ηµιτελείς προτάσεις Α.1 Α.4

Διαβάστε περισσότερα

ΔΙΑΓΩΝΙΣΜΑ ΕΚΠ. ΕΤΟΥΣ 2014-2015

ΔΙΑΓΩΝΙΣΜΑ ΕΚΠ. ΕΤΟΥΣ 2014-2015 ΜΑΘΗΜΑ / ΤΑΞΗ : ΦΥΣΙΚΗ ΚΑΤΕΥΘΥΝΣΗΣ / B ΛΥΚΕΙΟΥ ΣΕΙΡΑ: ΑΠΑΝΤΗΣΕΙΣ Α ΗΜΕΡΟΜΗΝΙΑ: 23-11-2014 ΕΠΙΜΕΛΕΙΑ ΔΙΑΓΩΝΙΣΜΑΤΟΣ: ΑΡΧΩΝ Μ.- ΚΑΤΣΙΛΗΣ Α.- ΠΑΠΑΚΩΣΤΑΣ Τ.- ΤΖΑΓΚΑΡΑΚΗΣ Γ. ΘΕΜΑ Α Οδηγία: Να γράψετε στο τετράδιό

Διαβάστε περισσότερα

Β.δ Επιλογή των κατάλληλων εμπειρικών ερευνητικών μεθόδων

Β.δ Επιλογή των κατάλληλων εμπειρικών ερευνητικών μεθόδων Β.δ Επιλογή των κατάλληλων εμπειρικών ερευνητικών μεθόδων Νίκος Ναγόπουλος Για τη διεξαγωγή της κοινωνικής έρευνας χρησιμοποιούνται ποσοτικές ή/και ποιοτικές μέθοδοι που έχουν τις δικές τους τεχνικές και

Διαβάστε περισσότερα

Κίνηση σε Ηλεκτρικό Πεδίο.

Κίνηση σε Ηλεκτρικό Πεδίο. Κίνηση σε Ηλεκτρικό Πεδίο. 3.01. Έργο κατά την μετακίνηση φορτίου. Στις κορυφές Β και Γ ενόςισοπλεύρου τριγώνου ΑΒΓ πλευράς α= 2cm, βρίσκονται ακλόνητα δύο σηµειακά ηλεκτρικά φορτία q 1 =2µC και q 2 αντίστοιχα.

Διαβάστε περισσότερα

ΜΑΘΗΜΑ 6. Σχήµατα ιαλειτουργικότητας Μεταδεδοµένων. Το RDF Το Warwick Framework. Ιόνιο Πανεπιστήµιο - Τµήµα Αρχειονοµίας - Βιβλιοθηκονοµίας

ΜΑΘΗΜΑ 6. Σχήµατα ιαλειτουργικότητας Μεταδεδοµένων. Το RDF Το Warwick Framework. Ιόνιο Πανεπιστήµιο - Τµήµα Αρχειονοµίας - Βιβλιοθηκονοµίας ΜΑΘΗΜΑ 6 195 Σχήµατα ιαλειτουργικότητας Μεταδεδοµένων Το RDF Το Warwick Framework 196 1 Resource Data Framework RDF Τα πολλαπλά και πολλαπλής προέλευσης σχήµατα παραγωγής δηµιουργούν την ανάγκη δηµιουργίας

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑΤΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ

ΠΡΟΓΡΑΜΜΑΤΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΠΡΟΓΡΑΜΜΑΤΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Παναγάκος Ιωάννης Σχολικός Σύμβουλος Δημοτικής Εκπαίδευσης Βασικοί Στόχοι ενός Προγράμματος Σπουδών Ένα πρόγραμμα σπουδών επιδιώκει να επιτύχει δύο

Διαβάστε περισσότερα